机器视觉在木材选色中的应用

梁世佳; 徐哲壮; 林烨; 邱洋; 陈丹; 陈剑

doi:10.13873/J.1000-9787(2022)02-0157-04

Chinese

您当前的位置：

首页 >

文章列表页 >

机器视觉在木材选色中的应用

应用技术 | 更新时间：2025-09-11

- 机器视觉在木材选色中的应用
- 机器视觉在木材选色中的应用
- 传感器与微系统 2022年第2期页码：157-160
- 作者机构：
  
  福州大学电气工程与自动化学院自动化系
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)02-0157-04
  中图分类号： TP391.41;TS664.01
- 纸质出版：2022
- 稿件说明：
移动端阅览
梁世佳, 徐哲壮, 林烨, 等. 机器视觉在木材选色中的应用[J]. 传感器与微系统, 2022,(2):157-160.

机器视觉在木材选色中的应用[J]. 2022, (2): 157-160.
梁世佳, 徐哲壮, 林烨, 等. 机器视觉在木材选色中的应用[J]. 传感器与微系统, 2022,(2):157-160. DOI： 10.13873/J.1000-9787(2022)02-0157-04.

机器视觉在木材选色中的应用[J]. 2022, (2): 157-160. DOI： 10.13873/J.1000-9787(2022)02-0157-04.

摘要

在木材加工领域

木材表面颜色是否协调对最终产品的经济效益有重要的影响。木材由于天然生长的缘故

表面颜色丰富

人工分拣困难。为对木材颜色进行分类

针对该场景提出使用无监督学习算法

即聚类算法。首先对木材图片进行轮廓检测

数据清洗排除异常样本

然后在RGB色彩空间上进行特征提取

最终经过K-means算法对样本的特征聚类。实验结果表明:在木材颜色分类场景下使用聚类算法可有效减少人工标注的成本

算法运行效率高

具有重要的应用价值。

Abstract

在木材加工领域

木材表面颜色是否协调对最终产品的经济效益有重要的影响。木材由于天然生长的缘故

表面颜色丰富

人工分拣困难。为对木材颜色进行分类

针对该场景提出使用无监督学习算法

即聚类算法。首先对木材图片进行轮廓检测

数据清洗排除异常样本

然后在RGB色彩空间上进行特征提取

最终经过K-means算法对样本的特征聚类。实验结果表明:在木材颜色分类场景下使用聚类算法可有效减少人工标注的成本

算法运行效率高

具有重要的应用价值。

关键词

Keywords

references

GA-SVM在木材缺陷识别中的应用 [J]. 徐梓敬,贾培,吴楠,徐凯宏. 传感器与微系统 . 2019(09)

基于WebSocket的实时通信机制的设计与实现 [J]. 包文祥,胡广朋. 计算机与数字工程 . 2019(07)

基于机器视觉的大尺寸工件自动测量系统 [J]. 冯西,吴静静,安伟. 传感器与微系统 . 2019(04)

RGB图像颜色检测的Cd（II）浓度测量研究 [J]. 胡卫军. 传感器与微系统 . 2016(10)

基于加速k均值的谱聚类图像分割算法改进 [J]. 李昌兴,黄艳虎,支晓斌,谢笑娟. 传感器与微系统 . 2016(09)

聚类算法研究 [J]. 孙吉贵,刘杰,赵连宇. 软件学报 . 2008(01)

摄像机标定方法及边缘检测和轮廓跟踪算法研究 [D]. 袁野. 大连理工大学 2002

基于计算机视觉木材表面颜色分类的研究 [D]. 王业琴. 东北林业大学 2006

Detection of Micro Solder Balls Using Active Thermography Technology and K-Means Algorithm [J] . Lu Xiangning,He Zhenzhi,Su Lei,Fan Mengying,Liu Fan,Liao Guanglan,Shi Tielin. IEEE Transactions on Industrial Informatics . 2018 (12)

Integrated defect detection and optimization for cross cutting of wooden boards [J] . Mikael R?nnqvist,Erik ?strand. European Journal of Operational Research . 1998 (3)

浏览量

324

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据